由於大量資料結構教程中都將資料結構的知識和演算法摻雜起來講，使很多初學者認為資料結構就是在講演算法，這樣理解是不準確的。

資料結構和演算法之間完全是兩個相互獨立的學科，如果非說它們有關係，那也只是互利共贏、“1+1>2”的關係。

最明顯的例子，如果你認為資料結構是在講演算法，那麼大學我們還學《演算法導論》，後者幾乎囊括了前者使用的全部演算法，有什麼必要同時開設這兩門課程呢？

我們還可以從分析問題的角度去理清資料結構和演算法之間的關係。通常，每個問題的解決都經過以下兩個步驟：

1. 分析問題，從問題中提取出有價值的資料，將其儲存；
2. 對儲存的資料進行處理，最終得出問題的答案；

資料結構負責解決第一個問題，即資料的儲存問題。通過前面的學習我們知道，針對資料不同的邏輯結構和物理結構，可以選出最優的資料儲存結構來儲存資料。

而剩下的第二個問題，屬於演算法的職責範圍。演算法，從表面意思來理解，即解決問題的方法。我們知道，評價一個演算法的好壞，取決於在解決相同問題的前提下，哪種演算法的效率最高，而這裡的效率指的就是處理資料、分析資料的能力。

因此我們得出這樣的結論，資料結構用於解決資料儲存問題，而演算法用於處理和分析資料，它們是完全不同的兩類學科。

也正因為如此，你可以認為資料結構和演算法存在“互利共贏、1+1>2”的關係。在解決問題的過程中，資料結構要配合演算法選擇最優的儲存結構來儲存資料，而演算法也要結合資料儲存的特點，用最優的策略來分析並處理資料，由此可以最高效地解決問題。

圖 1 順序表儲存資料示意圖
例如，有這樣一個問題，計算“1+2+3+4+5”的值。這個問題我們可以這樣來分析：

• 計算 1、2、3、4 和 5 的和，首先要選擇一種資料儲存方式將它們儲存起來，通過前面的學習我們知道，資料之間具有“一對一”的邏輯關係，最適合用線性表來儲存。結合演算法的實現，我們選擇順序表來儲存資料（而不是連結串列），如圖 1 所示；
• 接下來，我們選擇演算法。由於資料集中存放，因此我們可以設計這樣一個演算法，使用一個初始值為 0 的變數 num 依次同儲存的資料做“加”運算，最後得到的新 num 值就是最終結果。

選擇順序表而不是連結串列的原因，是順序表遍歷資料比連結串列更高效。後續講順序表時會做詳細介紹。